{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,9,2]，“日期-时间”：“2024-09-02T18:31:41Z”，“时间戳”：1725301901867}，“引用-计数”：37，“发布者”：“爱思唯尔BV”，“许可证”：[{“开始”：{-date-parts”：[[2020,8,1]]，“日期时间”：”2020-08-01T00:00:00Z“，”timestamp“：1596240000000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“中国国家自然科学基金会”，“DOI-asserted-by”：“publisher”，“奖项”：[“61922064”]，“id”：[}“id”:“10.13029\/5011000001809”，”id-type“：”DOI“，”asset rted-by“：”publisher“}]}，{“DOI”：“10.13039\/501100004731”，“name”：“浙江省自然科学基金”，“doi-asserted-by”：“publisher”，“adward”：[“LR17F030001”，“LQ19F020005”]，“id”：[{“id”:“10.13039\/501100004731”，”id type“：doi”，“asserted by”：“publisher”}]}，{“name”:“中国温州市科技计划项目”，“award”：[”C2017008“，”G20150017“，”ZG2016016“]}]，“content-domain”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[”计算机视觉和图像理解“]，“published-print”：{“date-parts”：[[2020,8]]}，”DOI“：”10.1016\/j.cviu.2020.103003“，”type“：”journal-article“，”created“：{”date-part“：[2020,6,2]]，”date-time“：”2020-06-02T15:39:36Z“，”时间戳“：1591112376000}，“page”：“103003”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：114，“special_numbering”：“C”，“title”：[“基于金字塔通道的图像去叠特征注意网络”]，“前缀”：“10.1016”，“卷”：“197-198”，“作者”：[{“给定”：“Xiaoqin”，“family”：“Zhang”，“序列”：“first”，“affiliation”：[]}，{“given”：“Tao”，“family”：“Wang”，“sequence”：“additional”，“atfiliation“：[]{”given“：”Jinxin“，”family“：”Wang“，”sequence“：”additional“，”affiliance“：[]}，”givent“：”Guiying“，“faily”：”Tang“，“：[]}]，”成员“：”78“，“reference”：[{“key”：“10.1016\/j.cviu.2020.103003_b1”，“doi-asserted-by”：“crossref”，“首页”：“108”，“doi”：“101016\/j.ins.2018.01.009”，“article-title”：“基于线性传输和恒时空运估计的图像去叠实时框架”，“volume”：”436“author”：“Alajarmeh”，“year”：“2018”，“journal-title“：”Inform.Sci.“}，{“键”：“10.1016\/j.cviu.2020.103003_b2”，“doi-asserted-by”：“交叉引用”，“非结构化”：“Berman，D.，Avidan，S.，et al.，2016。非局部图像去雾。收录：IEEE计算机视觉和模式识别会议论文集。第1674\u20131682页。“，“DOI”：“10.1109\/CVPR.2016.185”}，{“key”：“101016\/j.cviu.2020.103003_b3”，“非结构化”：“Bluche，T.，2016。用于端到端手写段落识别的联合行分割和转录。收录：神经信息处理系统进展论文集。第838\u2013846页。“}，{”key“：”10.1016\/j.cviu.2020.103003_b4“，”doi-asserted-by“：”crossref“，”first page“：“5187”，”doi“：”101109\/TIP.2016.2598681“，”article-title“：”Dehazenet:一个端到端的单图像去雾系统”，“author”：“Cai”，“year”：“2016”，“journal-title”：“IEEE Trans.image Process.”}，}，“key”：“10.1016\/j.c viu.2020.103003_b5“，”doi由“：”交叉引用“，”非结构化“断言：”Cao，C.，Liu，X.，Yang，Y.，Yu，Y.，Wang，J.，Wang，Z.，Huang，Y.，Wang，L.，Huang，C.，Xu，W.等人，2015。三思而后行：用反馈卷积神经网络捕捉自上而下的视觉注意力。摘自：IEEE计算机视觉国际会议论文集。pp.2956\u20132964.“，”DOI“：”10.1109\/ICCV.2015.338“}，{“key”：“10.1016\/j.cviu.2020.103003_b6”，“series-title”：“欧洲计算机视觉会议论文集”，“首页”：“576”，”article-title“：“通过梯度残差最小化抑制视觉伪影的鲁棒图像和视频去噪”，“author”：“Chen”，“year”：“2016”}，”{“密钥”：“10.1016\/j.cviu.2020.103003_b7“，“series-title”：“IEEE计算机视觉应用冬季会议论文集”，“首页”：“1375”，“article-title”：“用于图像去叠和去叠的门控上下文聚合网络”，“author”：“Chen”，“year”：“2019”}，{“key”：Fu，J.，Liu，J.、Tian，H.、Li，Y.、Bao，Y.，Fang，Z.、Lu，H.，2019年。用于场景分割的双重注意网络。收录：IEEE计算机视觉和模式识别会议论文集。第3146\u20133154页。“，“DOI”：“10.1109\/CVPR.2019.00326”}，{“key”：“101016\/j.cviu.2020.103003_b9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Girshick，R.，2015。快速r-cnn。摘自：IEEE计算机视觉国际会议论文集。pp.1440\u20131448.“，”DOI“：”10.1109\/ICCV.2015.169“}，{”key“：”101016\/j.cviu.2020.103003_b10“，”首页“：”2341“，”article-title“：”使用暗通道优先去除单幅图像雾“，”author“：”He“，”year“：”2010“，”journal-title”：“IEEE Trans.Pattern Anal.Mach.Intell.”}，“issue”：“9”，“key”：“10.1016\/j.cviu.2020.10 3003_b11“，”DOI-asserted-by“：”crossref“，”first page“：”1904“，”DOI“：”10.1109\/TPAMI.2015.2389824“，“article-title”：“视觉识别深层卷积网络中的空间金字塔池”，“volume”：“37”，“author”：“He”，“year”：“2015”，“journal-title“：”IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.cviu.2020.103003_b12“，”doi-asserted-by“：”crossref“，”unstructured“：”He，K.，Zhang，X.，Ren，S.，Sun，j.，2016。用于图像识别的深度残差学习。收录：IEEE计算机视觉和模式识别会议论文集。pp.770\u2013778.“，”DOI“：”10.1109\/CVPR.2016.90“}，{”key“：”101016\/j.cviu.2020.103003_b13“，”DOI-asserted-by“：”crossref“，”first page“：“70”，“DOI”：“10.1016\/j.patrec.2019.08.013”，“article-title”：“使用深度神经网络的单一图像去叠”，“volume”：“128”，“author”：“Hodges”，“year”：“2019”，“journal-title“：”Pattern Recognit.Lett.“}，{”key“：”10.1016\/j.cviu.2020.103003_b14“，”doi-asserted-by“：”crossref“，”first page“：”1254“，”doi“：”10.1109\/34.730558“，”article-title“：”基于盐度的视觉注意模型，用于快速场景分析“，”author“：”Itti“，”year“：”1998“，”journal-title”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.cviu.2020.103003_b15“，”unstructured“：”Jaderberg，M.，Simonyan，K.，Zisserman，A.等人，2015。空间变压器网络。收录：神经信息处理系统进展论文集。第2017\u20132025页。基于深度卷积神经网络的Imagenet分类。收录于：《神经信息处理系统进展论文集》。第1097\u20131105页。“}，{“key”：“10.1016\/j.cviu.2020.103003_b18”，“doi-asserted-by”：“crossref”，“unstructured”：“Kupyn，O.，Budzan，V.，Mykhailych，M.，Mishkin，D.，Matas，j.，2018。去模糊：使用条件对抗网络进行盲运动去模糊。收录：IEEE计算机视觉和模式识别会议论文集。pp.8183\u20138192.“，”DOI“：”10.1109\/CVPR.2018.00854“}，{“key”：“10.1016\/j.cviu.2020.103003_b19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Li，B.，Peng，X.，Wang，Z.，Xu，j.，Feng，D.，2017。Aod-net：全合一去叠网络。摘自：IEEE计算机视觉国际会议论文集。pp.4770\u20134778.“，”DOI“：”10.1109\/ICCV.2017.511“}，{“issue”：“1”，“key”：“10.1016\/j.cviu.2020.103003_b20”，“DOI-asserted-by”：“crossref”，“first page”：”492“，”DOI“：，“journal-title”：“IEEE Trans.image Process.”}，{“key”：“10.1016\/j.cviu.2020.103003_b21“，”doi-asserted-by“：”crossref“，”unstructured“：”Li，B.，Yan，j.，Wu，W.，Z.，Hu，X.，2018b。具有暹罗区域提议网络的高性能视觉跟踪。收录于：IEEE计算机视觉和模式识别会议论文集。pp.8971\u20138980.”，“DOI”：“10.1109\/CVPR.2018.00935”}，｛“key”：“10.1016\/j.cviu.20210.103003_b22”，“DOI断言者”：“crossref”，“非结构化”：“Liu，X.，Ma，Y.，Shi，Z.，Chen，j.，2019。GridDehazeNet：用于图像去噪的基于注意力的多尺度网络。摘自：IEEE计算机视觉国际会议论文集。第7314\u20137323.页“，”DOI“：”10.1109\/ICCV.2019.00741“}，{”key“：”101016\/j.cviu.2020.103003_b23“，”DOI-asserted-by“：”crossref“，”unstructured“：”Liu，S.、Sun，Y.、Zhu，D.、Ren，G.、Chen，Y.，Feng，j.、Han，j.，2018。通过对抗性特征和标签自适应进行跨域人工解析。摘自：AAAI人工智能会议记录。“，”DOI“：”10.1609\/aai.v32i.12320“}，｛”key“：”10.1016\/j.cviu.2021013003_b24“，”nonstructured“：”Mnih，V.，Heess，N.，Graves，A.等人，2014。视觉注意的重复模型。收录：神经信息处理系统进展论文集。第2204\u20132212页。“}，{“问题”：“3”，“关键”：“10.1016\/j.cviu.2020.103003_b25”，“doi-asserted-by”：“crossref”，“首页”：“233”，”doi“：”10.1023\/A:1016328200723“，”article-title“：”Vision and the atmosphere“，”volume“：”48“，”author“：”Narasimhan“，”year“：”2002“，”日记标题“：”Proc.Int.j.Compute.Vision“}，{“密钥”：“10.1016\/j.cviu.2020.103003_b26”，“doi-asserted-by“：”crossref“，”unstructured“：”Qu，Y.，Chen，Y.、Huang，J.、Xie，Y.（2019年）。增强的pix2pix去叠网络。收录：IEEE计算机视觉和模式识别会议论文集。第8160\u20138168页。“，“DOI”：“10.1109\/CVPR.2019.00835”}，{“key”：“101016\/j.cviu.2020.103003_b27”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ren，W.，Liu，S.，Zhang，H.，Pan，j.，Cao，X.，Yang，M.-H.，2016。基于多尺度卷积神经网络的单幅图像去噪。摘自：欧洲计算机视觉会议论文集。pp.154\u2013169.“，”DOI“：”10.1007\/978-3-319-46475-6_10“}，”{“key”：“10.1016\/j.cviu.2020.103003_b28”，“series-title”：“二阶椭圆偏微分方程”，“author”：“Trudinger”，“year”：“1983”}，{“issue”：“4”，“key“10.1016”：“j.cviu.2020.10303_b29”，“DOI-asserted-by”：“crossref”，“first page”：”600“，“DOI”：“10.1109\/TIP.2003.819861”，“article-title“：”图像质量评估：从错误可见性到结构相似性“，”卷“：”13“，”作者“：”王“，”年份“：”2004“，”期刊标题“：”IEEE Trans。图像处理。“}，{”key“：”10.1016\/j.cviu.2020.103003_b30“，”doi-asserted-by“：”crossref“，”unstructured“：”Yuan，Y.，Liang，X.，Wang，X.、Yeung，D.-Y.，Gupta，A.，2017。用于动作驱动视频对象检测的时间动态图LSTM。摘自：IEEE计算机视觉国际会议论文集。pp.1801\u20131810.“，”DOI“：”10.1109\/ICCV.2017.200“}，”{“key”：“10.1016\/j.cviu.2020.103003_b31”，”DOI-asserted-by“：”crossref“，“first page”：”279“，”DOI“：“10.1007\/s11263-015-0819-8”，”article-title“：”低帧速率视频的鲁棒跟踪系统“，”volume“：”115“，”author“：”Zhang“，”year“：”2015“，”journal-title”：“Int”.j.计算可视“}，{”键“：”10.1016\/j.cviu.2020.103003_b32“，”doi-asserted-by“：”crossref“，”doi“：”10.1016\/j.neucom.2020.04.147“，”article-title“：”基于注意的视频去模糊插值网络“，”author“：”Zhang“，”year“：”2020“，”journal-tittle“：”Neurocomputing“}，”{“key”：“10.1016\\j.cviu.2020.10303_b33”，“doi-assert-by”：”cross-ref“，“unstructured”：“”张毅、李毅、李毅、王毅、钟毅、傅毅，2018年。使用非常深的剩余通道注意网络的图像超分辨率。摘自：欧洲计算机视觉会议论文集。第286\u2013301页。“，“DOI”：“10.1007\/978-3-030-01234-2_18”}，{“key”：“101016\/j.cviu.2020.103003_b34”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhang，H.，Patel，V.M.，2018。密集连接金字塔去叠网络。收录：IEEE计算机视觉和模式识别会议论文集。第3194\u20133203页，“DOI”：“10.1109\/CVPR.2018.00337”}，{“key”：“101016\/j.cviu.2020.103003_b35”，“article-title”：“带校正和对齐的稳健低阶张量恢复”，“author”：“Zhang”，“year”：“2020”，“journal-title“IEEE Trans.Pattern Anal.Mach.Intell.”}：“crossref”，“首页“：”253“，”DOI“：”10.1016\/j.image.2019.02.004“，”article-title“：”单图像去叠的多尺度最优融合模型“，”volume“：”74“，”author“：”Zhao“，”year“：”2019“，”journal-title”：“Signal Process.，”。，图像通信。“｝，｛”key“：”10.1016\/j.cviu.2021013003_b37“，”首页“：”3522“，”文章标题“：”使用颜色衰减先验的快速单图像雾度去除算法“，”作者“：”Zhu“，”年份“：”2015“，”期刊标题“：”IEEE Trans.image Process.“｝]，”容器标题“：[”计算机视觉和图像理解“]，”原标题“：[]，”语言“：”en“，”链接“：[｛”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S1077314220300709？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S1077314220300709？httpAccepte=text\/plain“，”内容类型“：”文本\/plaine“，”content-version”：“vor”，“intended_application”：“text-mining”}]，“存放”：{“date-parts”：[[2022,10,26]]，“date-time“：”2022-10-26T03:15:53Z“，”timestamp“：1666754153000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S1077314220300709”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[[2020,8]]}，‘references-count’：37，‘alternative-id’：[”S107731422030030070 9“]，”URL“：”http:\/\/dx.doi.org\/10.1016\/j.cviu.2020.103003“，”关系“：{}，”ISSN“：[”1077-3142“]，”ISSN-type“：[{”value“：”1077-3162“，”类型“：”打印“}]，”主题“：[]，”发布“：{”日期部分“：[2020,8]}，“值”：“基于金字塔通道的图像去叠特征注意网络“，”name“：”articletite“，”label“：”Article Title“}，”{“value”：“计算机视觉和图像理解”，“name”：“journaltitle”，“label”：“Journal Title”}，{“value”：“https:\/\/doi.org\/10.1016\/j.cviu.2020.103003”，“name”：“articlelink”，”label:“”CrossRef DOI链接到出版商维护的版本“}”，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{”value“：”\u00a9 2020 Elsevier Inc.保留所有权利。“，”name“：”copyright“，”label“：”copyright”}]，“article-number”：”103003“}